美国劳工部(DOL)的AI素养框架：5大领域7大原则
2026年2月13日，美国劳工部（DOL）发布AI素养框架（The Department of Labor’s Artificial Intelligence Literacy Framework），旨在为工作者、雇主、培训机构、教师、州和地方机构及其他劳动力与教育体系相关利益方开展AI素养建设工作提供统一基础。该框架确定基础内容领域和交付原则，可为项目设计提供指导，同时允许各行业、岗位和场景根据实际灵活调整应用。该框架的内容具体如下：
一、AI素养的定义
劳工部将AI素养定义为一套基础能力，使个人能够负责任地使用和评估AI技术，主要关注生成式AI，因为它正日益成为现代职场核心。
劳工部认识到，AI涵盖多种技术类型，从早期的基于规则的系统，到机器学习模型、计算机视觉工具。尽管这些系统的运行方式和技术手段各异，但AI领域最具变革性、应用最广泛的技术当属生成式AI工具。正因如此，人们提及“AI”时，往往特指生成式AI。该框架也反映这一现实，将核心目标设定为培养劳动者理解和使用生成式AI工具的能力。
劳工部同时认识到，“素养”一词在本语境下具有多重含义。应将其理解为随着AI融入经济各个领域，所有劳动者和学生都应具备的基础知识和技能。AI素养是任何工作中运用AI工具的基线，同时也承认许多角色需要超越此基础水平的更高级能力，例如管理和构建AI系统。
在有关人工智能素养的讨论中，还出现了“AI熟练度”（AI proficiency）“AI流利度”（AI fluency）等表述。在部分语境下，这些表述代表着不同的掌握水平；而在另一些语境中，它们只是同一概念的不同说法。在多数职场中，仅提出“需具备AI素养”的要求远远不够，雇主及其他利益相关方需结合具体岗位和场景，明确所需的AI具体技能、知识深度或熟练水平。尽管存在这些表述和要求上的差异，劳工部认为，在劳动力与教育体系中首先明确AI素养的核心内涵，是推进“美国优先”劳动者发展议程的关键。
二、受众适配考量
该框架旨在支持各类用户提升美国劳动力的AI素养。虽然基础内容领域和交付原则具有广泛适用性，但其应用方式将因每个利益相关者的角色、环境和目标而异。以下为一些用户如何使用该框架的指南。
１.工作者
工作者可借助这个框架，理解AI素养对自身职业发展的意义，以及如何主动培养相关技能。虽然部分员工可能担忧AI对其就业稳定性的影响，但基础的AI素养可以帮助员工有效地使用AI工具，从而提高生产力并创造职业发展机会，包括：需适应工作中AI应用变革的在职人员、应对劳动力市场变化的求职者，以及为迈入AI驱动型经济做准备的学生。
工作者可以从识别当前工作中的常规任务开始，例如起草电子邮件、总结报告或整理数据，并尝试使用AI工具来完成这些任务。这有助于工人将AI的输出与其通常的工作方式进行比较，从而发现AI在哪些方面节省了时间，以及在哪些方面需要人类监督和判断。随着信心的增长，工作者可以探索与其特定行业相关的AI工具，查看职位发布以了解雇主如何描述与AI相关的要求，并寻求在基础AI素养基础上发展特定角色熟练度的培训机会。这些步骤使工人能够在一个不断变化的就业市场中保持竞争力，并在AI融入其领域时承担更广泛的职责。
２.雇主
雇主可以利用此框架提升员工的AI素养，使员工能够高效、负责地使用AI工具。随着AI工具融入日常运营，雇主需要能够负责任且高效地使用这些技术的员工。这包括雇主为新员工提供入职培训，提升现有员工与AI工具协同工作的技能，并确保管理人员能够有效地指导团队采用AI。行业协会也可以利用此框架创建共享方法或支持成员组织构建具备AI素养的员工队伍。
雇主可以首先审查当前AI工具正在应用的工作流程，例如撰写报告、分析数据或回复客户，并评估基础的AI素养如何帮助员工更有效地使用这些工具。雇主应明确AI可以增强员工能力的具体任务，并确定不同岗位所需的AI素养水平。雇主可以鼓励围绕常见工作任务开展简单的实践练习，为员工提供清晰的内部AI使用指南，并确定可能需要更高水平技能的岗位。这些措施有助于雇主保持竞争优势，提高运营效率，并使员工能够随着技术的不断发展而更好地利用AI工具。
３.教育与培训机构
教育和培训机构可以利用此框架将AI素养融入其课程，使学习者掌握在AI赋能的工作场所取得成功所需的技能。许多机构意识到融入AI素养的必要性，但可能不确定应该教授哪些内容、如何评估能力，以及如何跟上快速发展的技术步伐。此框架提供了一个通用基础，帮助机构在不同的课程中设计有效的AI素养教学。社区学院、在线学习平台、注册学徒计划和其他机构可以利用此框架指导课程开发，无论是将AI素养作为独立模块整合，还是将其内容嵌入现有学习路径中。
教育与培训机构可以首先审查现有课程，确定AI素养内容可以融入哪些方面，然后为学习者提供使用AI工具完成与其学习领域相关任务的实践经验。机构可以添加与特定行业或职位相关的示例，加入培养对AI输出判断能力的练习，并为学习者创建清晰的路径，使其从基础素养逐步提升到更深层次的岗位特定技能。与当地雇主合作可以帮助培训机构了解哪些AI工具和应用最符合区域劳动力市场的需求。这些举措有助于机构提供能够提升毕业生就业能力、满足行业需求并使课程能够响应不断变化的劳动力市场需求的教学。
4.州和地方机构
州和地方机构可以利用此框架在公共劳动力和教育系统中提升AI素养，帮助学生和求职者为不断变化的劳动力市场需求做好准备，同时满足雇主对具备AI技能的员工的需求。该框架有助于各机构将AI素养融入《劳动力创新与机会法案》(WIOA)服务和其他项目中，并根据区域劳动力市场需求进行调整。这包括州和地方劳动力发展委员会通过培训和职业服务为工人和求职者提供服务，帮助雇主招聘能够适应AI工作场所的人才，并支持培训机构和行业合作伙伴关系。
机构可以首先评估其所在地区的工人和雇主如何采用AI工具，并确定将AI素养内容融入现有研讨会、入职培训或职业指导服务的机会。各机构可以与当地培训机构和雇主合作，使AI素养内容与区域行业需求保持一致，确保员工能够与客户讨论AI工具，并确定AI素养如何加强再就业、技能提升和人才匹配工作。与当地雇主和行业伙伴合作，可以帮助机构了解哪些AI技能最受欢迎，以及应该将培训投资重点放在哪些方面。这些举措有助于机构改善就业成果，加强与雇主的合作关系，并展现其对新兴劳动力市场需求的响应能力。
三、AI素养框架详细内容
劳工部AI素养框架包括基础内容领域和交付原则两部分，前者包括５个方面：
1.理解AI核心原理
AI素养的基础在于清晰理解AI的定义和工作原理。对于员工而言，这并不要求精通技术，但需要掌握必要的词汇和思维模式，才能理解当今AI工具的运作方式。这种基础有助于揭开AI的神秘面纱，支持员工更自信、更准确地使用AI，并使员工能够在各种工作场景中更有效地应用、引导和评估AI系统。
内容领域示例包括：
- 模式识别和概率输出——AI系统通过识别数据中的统计模式来生成响应，这可能导致相同的输入产生不同的输出。
- 功能和模态——常见的AI功能包括生成文本、分析数据和识别图像，支持不同的输入和输出格式，例如文本、音频或视频内容。
- 训练和推理——训练使用大型数据集构建AI模型，而推理则是模型如何在实时工作应用中生成输出。
- 幻觉和准确性限制——AI可能会产生看似可靠但却不正确的输出，因此验证结果并避免过度依赖至关重要。
- 人类设计和监督——每个AI系统都反映了人类对数据、目标和参数的决策，因此用户需要了解在哪些方面仍然需要人类的判断。
2.探索AI的应用
AI素养的核心要素之一是了解AI在实际工作场所中的应用。员工可以通过接触实际应用案例获益，这些案例展示了AI工具如何支持任务、增强决策能力并简化工作流程。由于AI的应用因行业、职业和具体情况而异，探索有助于员工熟悉AI并提升判断力，从而帮助他们认识到何时以及如何有效地应用AI，以及在哪些情况下仍然需要人工干预。
内容领域示例包括：
- 生产力工具——使用AI撰写文档、创建演示文稿草稿或分析报告，使员工能够更高效地完成工作流程中的常见任务。
- 信息支持——利用AI回答问题、提供相关的背景信息或创建针对特定工作场所需求的学习内容。
- 创意辅助——生成营销文案、命名创意、图形选项或其他创意素材的初稿，供员工进一步完善和改进。
- 特定任务应用——运用AI解决特定问题，例如编写代码片段、转录音频、自动数据录入或组织复杂的日程安排。
- 决策支持系统——使用AI工具生成建议、风险评估或预测，以帮助和增强人类决策。
3.有效引导AI
AI素养的核心要素之一是理解如何与AI系统进行交互，从而产生有用且相关的结果。由于大多数AI工具高度依赖于其接收到的输入，用户必须学习如何提供清晰的指令、包含必要的背景信息，并引导系统获得更佳的结果。有效指导AI并不需要编程技能，但需要具备构建提示、共享信息以及策略性地迭代以提高响应质量的思维模式。
内容领域示例包括：
- 情境框架——提供背景信息、目标受众、语气或具体目标有助于调整AI的响应，使其更好地满足用户在不同工作场景中的需求。
- 提示技巧——清晰地构建提示、使用分步说明并指定格式或输出，可以帮助工作人员解锁AI系统更高级或更精确的功能。
- 提供相关的输入数据——员工应了解何时以及如何包含最相关的数据、辅助材料或示例，以提高AI输出的准确性和实用性。
- 迭代优化输出——高效用户会将AI交互视为一个持续的过程，通过后续提示来澄清、完善或重新定义结果，直至达到预期标准或目标。
- 避免模糊或误导性提示——员工应认识到提示的清晰度和用词选择会影响结果，并据此调整方法，避免产生歧义。
4.评估AI输出
AI素养的重要组成部分是学习如何评估AI生成输出的质量和实用性。虽然AI可以加速工作并提供有用的见解，但其结果仍然需要认真审查。员工需要具备评估输出是否准确、完整且适合任务的能力，并运用自身的知识和判断力来确定如何最好地使用或改进AI提供的信息。这种评估技能确保员工始终掌控整个流程，并将AI用作辅助工具，而非最终权威。
内容领域示例包括：
- 验证事实准确性——员工必须将AI生成的输出与可信来源或已知信息进行交叉核对，以识别虚假声明、过时的参考资料或捏造的内容。
- 评估完整性和清晰度——应审查输出，以确保其能够全面解决任务或问题，并以清晰、可操作或易于目标受众理解的形式呈现。
- 发现漏洞或逻辑错误——用户应能够识别缺失的步骤、逻辑缺陷或错误假设，这些都可能导致输出结果不可靠或具有误导性。
- 与战略意图保持一致——应根据输出结果是否达到预期目标、是否支持正确的信息以及是否适用于特定任务或工作流程来评估输出结果。
- 运用人为判断——员工应了解在决定如何解读、使用或修改AI生成的内容时，应融入自身的专业知识、背景知识和判断力。
5.负责任地使用AI
负责任地使用AI是AI素养的核心组成部分。随着AI工具日益融入日常工作流程，员工必须了解其合理使用的界限，以保障信息安全并确保输出结果以合乎伦理且有效的方式应用。这包括认识到AI权限的局限性、保护敏感数据、遵守工作场所或法律法规的要求，以及对结果负责。员工应具备实践经验和组织意识，以安全、恰当且符合专业标准的方式使用AI工具。
内容示例包括：
- 保护敏感信息——员工应了解哪些类型的数据不应输入AI工具，以及如何防止意外泄露机密信息。
- 遵守工作场所政策和规则——用户必须了解并遵守组织关于AI使用的任何政策，包括与特定工具或场景相关的指导。
- 避免滥用或造成伤害——员工应了解AI工具可能被不当使用的方式，例如用于抄袭、冒充他人或造成伤害，并知道如何报告问题。
- 管理特定情境下的风险——员工应了解风险在不同任务、受众或行业中的差异，并在风险较高的环境中更加谨慎。
- 保持问责制——员工仍需对其使用AI工具做出的决策和产出负责，不应在未经审查的情况下将AI的响应视为最终或权威结果。
第二部分AI素养的交付原则包括７个方面：
1.促进体验式学习
AI素养最有效的培养方式是直接的实践操作。员工建立信心和理解力，并非通过阅读抽象的AI理论，而是通过在真实情境中使用AI解决实际任务。体验式学习能够帮助用户了解输入如何影响输出，通过反复试验完善直觉，并构建与AI高效协作的思维模型，从而加速技能发展。它还能使培训更具吸引力和记忆力，并让员工能够立即将所学知识应用于与日常工作相关的、有价值的场景中。
交付方法的示例包括：
- 真实任务整合——将AI工具融入日常任务，例如写作、研究或日程安排，使员工能够在真实场景中熟悉AI。
- 交互式提示练习——提供不同类型的提示练习，包括一些写得不好的示例，帮助员工了解措辞、具体性和结构如何影响结果。
- 实时反馈与迭代——设计练习，让用户能够实时获得关于AI输出的反馈，鼓励他们进行实验，并通过实践巩固学习成果。
- 人机对比——要求参与者将AI生成的作品与人类创作的作品（或他们自己之前的作品）进行比较，有助于培养判断力和辨别力。
- 循序渐进的难度级别——设计从简单用例开始，逐步过渡到更复杂工作流程的训练活动，有助于搭建学习框架，并逐步积累学习动力。
2.将学习融入情境
当AI素养的培训方式与员工的工作、行业或现有培训经验直接相关时，其效果会更佳。将AI素养融入熟悉的场景有助于减少摩擦、提高接受度，并强化AI如何融入现有工作流程。情境化学习还能将新概念与员工理解的真实场景联系起来，从而增强记忆力，使内容更具实用性，更贴近实际。
交付方法示例包括：
- 行业特定示例——将教学内容与特定行业（例如医疗保健、制造业、运输业或零售业）最相关的工具、用例和术语相结合。
- 职业任务和工作流程——通过员工实际执行的工作职能和活动来教授AI素养，帮助他们了解AI工具如何支持其日常工作。
- 针对特定雇主——将内容融入特定雇主的系统、文化和目标中，包括其内部AI工具、政策和更广泛的战略目标。
- 培训项目整合——将AI素养培训融入现有的注册学徒计划、职业技术教育课程、短期资格认证项目或技能提升计划中，以强化其与实际任务的相关性。
- 针对不同群体——根据员工的经验、技术熟悉程度或职业阶段调整授课方式、进度和参考资料，以最大限度地提高培训的相关性。
3.培养互补的人类技能
AI工具并非独立存在且作为价值固定的能力。它们是人类输入的放大器，其有效性很大程度上取决于设计、管理和使用它们的人员的技能、知识和判断力。AI素养培训的最佳方式是展示AI如何增强人类能力，例如批判性思维、创造力、沟通能力和领域专业知识。当员工理解如何将AI的功能与自身的洞察力和直觉相结合时，他们就能释放出远超两者单独作用的潜力。
交付方法示例包括：
- 批判性思维整合——设计将AI使用与问题解决练习相结合的学习体验，强化人类判断在AI辅助决策中的核心地位。
- 创意开发练习——鼓励员工使用AI工具进行头脑风暴、生成变体或重新组合想法，然后运用自身的创造力来选择、完善或改进结果。
- 沟通能力提升——利用AI生成内容，同时指导员工如何修改AI生成的材料，使其更符合语气、清晰度、说服力或受众适宜性。
- 基于价值观的决策场景——练习应对模糊不清的情况，在这些情况下，人们必须综合运用组织、法律或个人价值观来根据AI的输出结果采取行动。
- 领域专业知识的提升——强调当员工运用其专业知识或工作流程理解来塑造和评估结果时，AI的价值将如何提升。
4.解决AI素养先决条件的障碍
AI素养培训只有在学习者拥有参与培训所需的基本工具和资源时才能取得成功。对于某些员工而言，这可能包括数字素养技能、设备访问权限或宽带连接，尤其是在AI工具需要稳定网络连接或使用非直观界面的环境中。项目应主动识别并解决这些障碍，确保参与者拥有完成培训并在日常工作中自信地应用AI工具所需的一切。通过将这些先决条件纳入项目设计，AI素养培训可以覆盖更多人群并取得更好的成果。
交付方法示例包括：
- 评估基线准备情况——首先进行简单的诊断，评估参与者是否具备有效使用AI工具所需的数字素养，并识别任何障碍。
- 整合数字素养技能——为需要复习设备使用、应用程序导航或浏览器工具的参与者提供简明的数字素养技能复习或资源。
- 考虑访问支持方案——如果存在设备或宽带连接方面的不足，可探索切实可行的解决方案，例如公共计算机实验室、移动优先内容或异步教学模式。
- 考虑带宽灵活性——尽可能考虑使用更兼容低带宽环境和移动设备的培训材料。
- 尊重不同的起点——构建能够适应不同技能水平和学习速度的教学模式，无需预设任何经验。
5.创建持续学习路径
基础AI素养仅仅是起点。随着AI工具的不断发展并日益融入工作场所，员工需要明确的机会来深化技能、接受专业培训或转型到AI相关职业。AI素养培训项目应为参与者建立清晰的路径，以便他们在已学知识的基础上继续发展，无论是提升技术技能、学习使用特定岗位的AI工具，还是为职业晋升做好准备。将员工与后续资源连接起来，可以确保AI素养并非一次性的，而是一种与技术发展同步的持续能力。
交付方法示例包括：
- 提升至AI熟练水平——帮助参与者从基础的AI素养应用提升至更高级的AI熟练水平，包括更直接地管理复杂的AI系统。
- 鼓励构建者和创业者路径——支持那些希望超越使用AI工具，构建自己的AI解决方案（包括通过创业）的员工。
- 设计可叠加的学习模型——构建分层式培训结构，从基础知识逐步深入到数据处理、AI工具配置或提示工程等领域的更高级技能。
- 提供针对特定职业的进阶课程——使持续学习与不同职位或职业阶段的具体任务、工具和职责相匹配。
- 支持进入AI相关职业的途径——为有意转型到以AI为中心的职业（例如AI产品专家、提示工程师或数据分析师）的人员提供后续步骤指导。
6.培养赋能型岗位人员
当支持员工的人员（例如经理、培训师、导师或职业顾问）具备合适的知识和工具，能够有效地指导他人时，AI素养的提升工作将更加成功。这些人并非“所谓的”间接学习者，他们需要量身定制的AI素养培训方法，以体现他们在赋能他人方面所扮演的独特角色。无论是在培训中强化概念、鼓励在工作场所应用AI，还是帮助员工规划职业发展道路，这些角色都会影响人们对AI工具的理解和使用方式。专门为这些赋能者设计培训方案，可以确保更广泛的环境积极支持员工自信且持续地使用AI。
交付方法示例包括：
- 培训师培训模式——为讲师、教练或培训师提供有针对性的AI素养内容和方法，以便他们能够向他人传授、强化和阐释相关知识。
- 经理技能提升——提供以团队监督、变革管理以及将AI工具融入日常运营等用例为重点的AI素养培训。
- 职业导航支持——为职业顾问或导师量身定制AI素养培训，以便他们能够指导学习者了解AI工具如何影响求职、职业发展和不断变化的技能需求。
- 同伴学习倡导者——识别并培训具有合适框架的同伴领导者，使他们成为团队中易于获取的非正式支持和热情来源。
- 人力资源与学习发展部门的协调——在企业环境中，确保负责关键学习职能的人员了解如何将AI素养融入到入职培训、技能提升和内部晋升路径中。
7.敏捷设计
AI技术的演进速度远超以往的职场工具。新的功能、平台和应用案例每隔几个月就会涌现，而旧工具的淘汰速度也同样迅猛。对于员工培训项目而言，这意味着AI素养培训不能被视为一成不变的课程。培训设计必须内置适应机制，确保内容和授课方式与技术发展保持同步。敏捷性能够确保培训项目长期有效，并使员工掌握的技能与实际工作中遇到的工具相匹配。
交付方式示例包括：
- 持续内容更新——构建交付系统，定期更新工具、示例和教学内容，以反映最新的AI功能。
- 反馈驱动迭代——利用学员的反馈和实际应用成果，根据实践经验改进交付方式和内容。
- 模块化内容设计——将培训内容构建成灵活的单元，可以根据新的需求或技术的出现进行替换、扩展或重新排序。
- 响应式用例选择——定期回顾和修订用例场景，确保其与AI在工作场所的最新应用保持一致。
- 以结果为导向的迭代——评估参与者是否获得了实用且可迁移的AI技能，并利用这些评估结果来调整和改进交付策略。
资料来源：US Department of Labor. AI literacy framework .https://www.dol.gov/sites/dolgov/files/ETA/advisories/TEN/2025/TEN%2006-25/Attachment%20I%20%28Accessible%20PDF%29.pdf
相关链接
经典培训课程
企业AI知识库搭建与运营培训课程
呼叫中心AI知识库培训课程
个人知识体系构建能力课程
书籍和资料
《卓越密码如何成为专家》
《你的知识需要管理》
免费电子书《企业知识管理实施的正确姿势》
免费电子书《这样理解知识管理》
